文 | AI国际站 唐恩
编 | 艾娃
本文由AI国际站 原创出品,未经许可,任何渠道、平台请勿转载,违者必究
工业4.0应用程序生成大量的复杂数据-大数据。越来越多的传感器以及通常可用的数据源使机器,系统和过程的虚拟视图变得更加详细。这自然增加了在整个价值链中产生附加值的潜力。但是,与此同时,关于如何精确提取该值的问题不断出现-毕竟,用于数据处理的系统和体系结构变得越来越复杂。只有有了相关的,高质量的和有用的数据(智能数据),相关的经济潜力才能发挥出来。

挑战性
收集所有可能的数据并将其存储在云中,以期以后对它们进行评估,分析和结构化是一种广泛但并非特别有效的从数据中提取价值的方法。从数据产生附加值的潜力一直没有得到利用;在以后找到解决方案变得更加复杂。更好的替代方法是尽早进行考虑以确定哪些信息与应用程序相关,以及可以在数据流中的何处提取信息。形象地说,这意味着完善数据;也就是说,从整个处理链的大数据中提取智能数据。可以在应用程序级别上确定哪些AI算法对于各个处理步骤具有很高的成功率。该决定取决于边界条件,例如可用数据,应用程序类型,可用传感器模式以及有关较低级别物理过程的背景信息。
对于各个处理步骤,正确的数据处理和解释对于从传感器信号中产生真正的附加值至关重要。取决于应用,可能难以正确解释离散传感器数据并提取所需信息。时间行为通常起着作用,并直接影响所需的信息。另外,必须经常考虑多个传感器之间的依赖性。对于复杂的任务,简单的阈值和手动确定的逻辑或规则已不再足够。人工智能算法
相比之下,借助AI算法进行的数据处理可以自动分析复杂的传感器数据。通过这种分析,可以沿着数据处理链自动从数据中获得所需的信息,从而增加价值。对于始终是AI算法一部分的模型构建,基本上有两种不同的方法。